numpy.linalg.tensorsolve#
- linalg.tensorsolve(a, b, axes=None)[source]#
求解张量方程
a x = b
的 x。假设在乘积中对 x 的所有索引以及 a 最右边的索引进行求和,例如在
tensordot(a, x, axes=x.ndim)
中。- 参数:
- aarray_like
系数张量,形状为
b.shape + Q
。 Q 是一个元组,等于 a 的子张量的形状,该子张量由其最右边的适当数量的索引组成,并且必须满足prod(Q) == prod(b.shape)
(在这种意义上,a 被称为“方阵”)。- barray_like
右侧张量,可以是任何形状。
- axes整数元组,可选
在求逆之前,a 中要重新排序到右侧的轴。如果为 None(默认值),则不执行重新排序。
- 返回值:
- xndarray,形状 Q
- 引发:
- LinAlgError
如果 a 是奇异的或不是“方阵”(以上述意义)。
示例
>>> import numpy as np >>> a = np.eye(2*3*4) >>> a.shape = (2*3, 4, 2, 3, 4) >>> rng = np.random.default_rng() >>> b = rng.normal(size=(2*3, 4)) >>> x = np.linalg.tensorsolve(a, b) >>> x.shape (2, 3, 4) >>> np.allclose(np.tensordot(a, x, axes=3), b) True